您好,感谢反馈!
问题分析
实际ReflectionPad1dBackward包装调用共享Pad1dBackwardCompute。空态分支完成基本检查后,将workspace置0并成功返回,没有Fill或ViewCopy输出任务,与报告的非空gradInput保留旧值机制一致。但本例self=[2,5]、padding={0,0}的正向输出应为[2,5],gradOutput=[0,5]并不满足文档要求的正向输出形状。共享CheckShapeCommon仅比较rank、self与gradInput形状及最后一维的padding关系,缺少前导维一致性检查,因此这组不符合形状关系的输入能进入空态。2D实现已有零梯度填充可以作为参考,但不能据此推定所有空gradOutput均应接受并写零。
本轮核对 cann/ops-math 9.3.0-beta.1@5bbae1cc784296c821e1c1aa897b91c8033c6601。aclnn_reflection_pad1d_backward.cpp pad1d_backward_common.h aclnnReflectionPad1dBackward.md aclnn_pad2d_backward.cpp
处理方向
一个可行方向是先在L2补齐gradOutput完整形状与正向结果的关系检查,对本例不匹配的前导维返回参数错误;再分别定义产品实际支持的合法空梯度和空gradInput行为。若保留某类空梯度兼容路径且gradInput非空,应评估是否需要生成明确的零梯度写入任务,并验证其数学与接口语义。合法输出为空时无元素可写,也无需强制分配填充任务。这样可同时处理成功却留下旧数据的风险和非法输入被接受的问题,避免仅补Fill后将形状不匹配固化为支持能力。


/assign @onanfield


/unassign @yangjinwen


关联:#3553 的修复提交 d611059e7 已把 pad2d/pad3d/circular/unfold 的空态改成写零;本条差异:pad1d 的公共实现被漏改
现象
aclnnReflectionPad1dBackward在gradOutput为空张量时两段接口都返回 0、workspaceSize=0,但gradInput一个字节都没有被写,仍是调用方预填的内容。根因:
conversion/pad_v3_grad_replicate/op_host/op_api/pad1d_backward_common.h:270-276的空态分支只调Pad1dBwdHandleEmptyTensor做报错判定(:226-249:REFLECT 只看 self 的 dim1 是否为 0,本例 5≠0 直接放行),没有 Fill/ViewCopy;而同仓aclnn_pad2d_backward.cpp:240-262的同一分支末尾有GetGradInputWithValueZero+ViewCopy(fillout, gradInput)。期望
同仓 d611059e7(2026-10-20,issue #3553)标题为「修复pad系反向算子及UnfoldGrad空tensor输入早退时未初始化输出内存的问题」,已把 pad2d/pad3d/circular/unfold 的空态统一改成写全 0,即设计意图是空态输出写零。
git log -S GetGradInputWithValueZero -- conversion/pad_v3_grad_replicate/op_host/op_api/pad1d_backward_common.h零命中,说明同一次修复漏了 pad1d 这个兄弟实现。期望空 gradOutput 时 gradInput 被写成全 0。注意空张量 shape 必须写成[0,5],写成[0,0]会被第一段以 161002 拒绝,走不到早退分支。环境
libopapi.so构建 2026-10-289.3.0-beta.1@5bbae1cc784296c821e1c1aa897b91c8033c6601(2026-11-04);空态分支自 6c38a5f36(2026-08-10)起就没有 Fill复现步骤
A=/usr/local/Ascend/ascend-toolkit/latest; source /usr/local/Ascend/ascend-toolkit/set_env.sh; export ASCEND_RT_VISIBLE_DEVICES=<空闲卡号>## 复现脚本的代码存为probe.cppg++ -std=c++17 -O2 -o probe probe.cpp -I$A/include -I$A/include/aclnnop -I$A/include/aclnnop/level2 -L$A/lib64 -lopapi -lnnopbase -lascendclLD_LIBRARY_PATH=$A/lib64:$LD_LIBRARY_PATH ./probe[缺陷组 gradOutput=0x5]:ret1=0 ret2=0 wsSize=0,gradInput 前 8 元素为 0x7FC00001,max|gradInput-expect| = 1.000000e+30[对照组 gradOutput=2x5]:gradInput=3 3 3 3 …,max|gradInput-expect| = 0,用于排除环境问题复现脚本
// aclnnReflectionPad1dBackward 空 gradOutput 早退不写 gradInput:对照/缺陷双路探针(自包含,仅依赖 CANN 头,本文末尾为该脚本的实测输出) // 编译: A=/usr/local/Ascend/ascend-toolkit/latest // g++ -std=c++17 -O2 -o probe probe.cpp -I$A/include -I$A/include/aclnnop \ // -I$A/include/aclnnop/level2 -L$A/lib64 -lopapi -lnnopbase -lascendcl // 运行: ASCEND_RT_VISIBLE_DEVICES=<空闲卡> LD_LIBRARY_PATH=$A/lib64:$LD_LIBRARY_PATH ./probe // 契约: 同仓 d611059e7 修复「pad系反向算子空 tensor 输入早退时未初始化输出内存」, // pad2d/pad3d/circular 空态分支均 GetGradInputWithValueZero + ViewCopy 写零 // => 空 gradOutput 时 gradInput 应写成全 0。grdInput 调用前整块填 NaN 0x7FC00001 作金丝雀。 // 注意: 空张量 shape 必须写成 [0,5],写成 [0,0] 会被第一段以 161002 拒绝,走不到早退分支。 #include <cstdio> #include <cstdint> #include <cstring> #include <cmath> #include <vector> #include "acl/acl.h" #include "aclnnop/level2/aclnn_reflection_pad1d_backward.h" static const uint32_t CANARY = 0x7FC00001u; static void* Dev(int64_t bytes, const void* host) { void* p = nullptr; aclrtMalloc(&p, bytes, ACL_MEM_MALLOC_HUGE_FIRST); if (host) aclrtMemcpy(p, bytes, host, bytes, ACL_MEMCPY_HOST_TO_DEVICE); return p; } static aclTensor* T(std::vector<int64_t> d, std::vector<int64_t> s, void* p) { return aclCreateTensor(d.data(), d.size(), ACL_FLOAT, s.data(), 0, ACL_FORMAT_ND, d.data(), d.size(), p); } static double Diff(float o, float e) { uint32_t a = 0, b = 0; memcpy(&a, &o, 4); memcpy(&b, &e, 4); if (a == b) return 0.0; if (std::isfinite(o) && std::isfinite(e)) return std::fabs(double(o) - double(e)); return 1e30; } static void Run(bool empty, aclrtStream stream, const char* tag) { const int64_t R = 2, C = 5, n = R * C; std::vector<int64_t> goDims{empty ? 0 : R, C}, selfDims{R, C}, st{C, 1}; std::vector<float> hGo(n, 3.0f), hSelf(n, 1.0f), hExp(n, empty ? 0.0f : 3.0f), hOut(n, 0.0f); std::vector<uint32_t> canary(n, CANARY); int64_t pad[2] = {0, 0}; void* dG = Dev(n * 4, hGo.data()); void* dS = Dev(n * 4, hSelf.data()); void* dO = Dev(n * 4, canary.data()); aclTensor* tG = T(goDims, st, dG); aclTensor* tS = T(selfDims, st, dS); aclTensor* tO = T(selfDims, st, dO); aclIntArray* padding = aclCreateIntArray(pad, 2); uint64_t ws = 0; aclOpExecutor* exec = nullptr; double maxd = -1.0; int rc1 = int(aclnnReflectionPad1dBackwardGetWorkspaceSize(tG, tS, padding, tO, &ws, &exec)); int rc2 = -1; if (rc1 == 0) { void* wsp = ws ? Dev(int64_t(ws), nullptr) : nullptr; rc2 = int(aclnnReflectionPad1dBackward(wsp, ws, exec, stream)); aclrtSynchronizeStream(stream); aclrtMemcpy(hOut.data(), n * 4, dO, n * 4, ACL_MEMCPY_DEVICE_TO_HOST); maxd = 0.0; for (int64_t i = 0; i < n; ++i) { double d = Diff(hOut[i], hExp[i]); if (d > maxd) maxd = d; } if (wsp) aclrtFree(wsp); } printf("[%s] ret1=%d ret2=%d wsSize=%llu gradInput[0..7].bit=%08X %08X %08X %08X %08X %08X %08X %08X\n", tag, rc1, rc2, (unsigned long long)ws, *(uint32_t*)&hOut[0], *(uint32_t*)&hOut[1], *(uint32_t*)&hOut[2], *(uint32_t*)&hOut[3], *(uint32_t*)&hOut[4], *(uint32_t*)&hOut[5], *(uint32_t*)&hOut[6], *(uint32_t*)&hOut[7]); printf("[%s] max|gradInput-expect| = %.6e\n", tag, maxd); aclDestroyTensor(tG); aclDestroyTensor(tS); aclDestroyTensor(tO); aclDestroyIntArray(padding); aclrtFree(dG); aclrtFree(dS); aclrtFree(dO); } int main() { aclInit(nullptr); aclrtSetDevice(0); aclrtStream s = nullptr; aclrtCreateStream(&s); Run(false, s, "对照组 gradOutput=2x5"); Run(true, s, "缺陷组 gradOutput=0x5"); aclrtDestroyStream(s); aclrtResetDevice(0); aclFinalize(); return 0; }影响
空梯度在 batch=0、序列被裁空的训练步里是常规形态。本条是 aclnn 两段式与图模式下的接口健壮性问题:C 直调与 GE 图模式可触达,torch 前端因上游形状检查(gradOutput 与 y 形状必须一致)而构造不出该组合。触达时调用方拿到 0 返回码后直接消费 gradInput(用于 weight.grad 累加),读到的是未初始化显存,表现为随机梯度污染;同仓 pad2d 在 2026-10-20 已修,pad1d 仍留着,属同一次修复的遗漏。
建议
在
:270的空态分支末尾补一次GetGradInputWithValueZero(gradInput, ...)+l0op::ViewCopy(fillout, gradInput, ...)后再返回,与 pad2d 的实现对齐。